[发明专利]一种数字影像人工智能分析方法和系统

权利要求书

1.一种数字影像人工智能分析方法，其特征在于，包括：

步骤S1：进行数字影像一级分割；

步骤S2：进行数字影像二级分割以得到独立的待识别目标；

步骤S3：合并部分待识别目标以构成一个或多个输入目标，未合并的待识别目标每个构成一个输入目标；

步骤S4：采用人工智能模型预测输入目标为目标类型的概率；其中：所述人工智能模型是双层模型，包括前端模型和后端模型；

所述前端模型包括多个并行子预测模型，基于所述多个并行子预测模型分别预测输入目标为目标类型的子概率，其中u是子预测模型的编号；所述后端模型用于基于输入目标之间的位置关系以及输入目标的子概率，预测输入目标为目标类型的最终概率；

所述步骤S2，具体为：将待识别目标区分为一个或多个独立的待识别目标，为待识别目标设置标识，并记录待识别目标之间的位置关系；

所述步骤S3具体包括如下步骤：

步骤S31：将尺寸在预设范围内的待识别目标放入待合并目标集合；

步骤S32：从待合并目标集合中取出一个待合并目标；

步骤S33：依次获取所述待合并目标的相邻待识别目标，计算所述待合并目标和每个相邻待识别目标的合并显著度，当所述合并显著度大于显著度阈值时，合并所述待合并目标和相邻待识别目标；

所述计算所述待合并目标和每个相邻待识别目标的合并显著度，具体为：采用下式计算相邻待识别目标i的合并显著度；；

其中：SZC是所述待合并目标的面积尺寸；是第i相邻待识别目标的面积尺寸；LTH是待合并目标和第i相邻待识别目标的距离最远点之间的距离；是待合并目标的平均灰度值，是相邻待识别目标i的平均灰度值；

步骤S34：判断是否所有待合并目标均处理完毕，如果是，则进入下一步骤S4；否则，返回步骤S32；

所述步骤S4具体包括如下步骤：

步骤S41：提取输入目标特征后分别输入前端模型中的每个并行子模型，以得到输入目标为目标类型的子概率；其中：多个子概率分别和所述多个并行子预测模型相对应；

步骤S42：确定各个输入目标对应的位置关系向量；

步骤S43：将位置关系向量分别输入后端模型中各个输入目标对应的输入神经元，将子概率作为权重输入，并从输出神经元获取输出结果。

2.根据权利要求1所述的数字影像人工智能分析方法，其特征在于，建立3D-Unet网络结构，通过网络分割提取待识别目标。